cognis-digital/payloadlab

``` pip install cognis-payloadlab payloadlab scan . # → prioritized findings in seconds ``` ## 使用说明 — 逐步指南 `payloadlab` 是一个用于 PE/ELF/LNK/macro/OneNote 文件的静态恶意 payload 分析器（仅进行静态分析 — 绝不执行样本）。退出代码按判定结果递增：`0` 无风险，`1` 低风险，`2` 可疑，`3` 恶意。 1. **安装**： pip install -e . payloadlab --version 2. **扫描** 一个或多个文件： payloadlab scan sample.bin invoice.lnk 3. **读取输出**（JSON 格式，包含每个文件的判定结果和指标）： payloadlab scan sample.bin --format json | jq '.[].verdict' 4. **基于严重程度进行拦截** — 让进程在达到或超过所选判定级别时失败： payloadlab scan ./quarantine/* --fail-on suspicious 5. **在 CI / 沙箱接收中自动化** — 根据退出代码进行分支处理： payloadlab scan "$f" --fail-on malicious && echo clean || echo "flagged: $?" ## 目录 - [为什么选择 payloadlab？](#why) · [功能](#features) · [快速开始](#quick-start) · [示例](#example) · [架构](#architecture) · [AI 技术栈](#ai-stack) · [对比](#how-it-compares) · [集成](#integrations) · [随处安装](#install-anywhere) · [相关工具](#related) · [贡献](#contributing) ## 为什么选择 payloadlab？ 静态恶意 payload 分析器 — PE/ELF/LNK/macro/OneNote — 无需搭建繁重的基础设施。 `payloadlab` 是单一用途、可脚本化且可自托管的：将其指向目标，以您工作流中已有的格式（table · JSON · SARIF）获取优先排序的结果，并据此拦截 CI，还可以让 agent 通过 MCP 驱动它。 ## 功能 - ✅ Shannon 熵 - ✅ 格式检测 - ✅ 判定评分 - ✅ 字节分析 - ✅ 文件分析 - ✅ 可在 Linux/macOS/Windows · Docker · devcontainer 上运行 - ✅ 提供 Python, JavaScript, Go 和 Rust 版本 (`ports/`) ## 快速开始 ``` pip install cognis-payloadlab payloadlab --version payloadlab scan . # scan current project payloadlab scan . --format json # machine-readable payloadlab scan . --fail-on high # CI gate (non-zero exit) ``` ## 示例 ``` $ payloadlab scan . [HIGH ] PAY-001 example finding (./src/app.py) [MEDIUM ] PAY-002 another signal (./config.yaml) 2 findings · risk score 5 · 38ms ``` ## 架构 ``` flowchart LR IN[input] --> P[payloadlab
analyze + score] P --> OUT[report] ``` ## 从任何 AI 技术栈中使用 `payloadlab` 可与所有流行的 AI 使用方式互操作： - **MCP server** — `payloadlab mcp` (Claude Desktop, Cursor, Cognis.Studio, [uncensored-fleet](https://github.com/cognis-digital/uncensored-fleet)) - **兼容 OpenAI / JSON** — 将 `payloadlab scan . --format json` 管道传输给任何 agent 或 LLM - **LangChain · CrewAI · AutoGen · LlamaIndex** — 一行代码将 CLI/JSON 封装为工具 - **CI / 脚本** — 为非 AI 流水线提供退出代码 + SARIF ## 对比 | | **Cognis payloadlab** | mandiant | |---|:---:|:---:| | 可自托管，无需账号 | ✅ | 视情况而定 | | 单一命令，零配置 | ✅ | ⚠️ | | 用于 CI 的 JSON + SARIF | ✅ | 视情况而定 | | MCP 原生（AI agent） | ✅ | ❌ | | 多语言端口（JS/Go/Rust） | ✅ | ❌ | | 开放许可证 | ✅ COCL | 视情况而定 | *秉承 **mandiant/capa** 的精神，以 Cognis 的方式重新构建。遗漏了某项致谢？提交一个 PR。* ## 集成 可接入您的技术栈：用于代码扫描的 **SARIF**，用于任何场景的 **JSON**，用于 AI agent 的 **MCP server** (`payloadlab mcp`)，以及用于 SIEM/Slack/Jira 的 webhook 转发器。参见 [`docs/INTEGRATIONS.md`](docs/INTEGRATIONS.md)。 ## 安装 — 各种方式，所有平台 ``` pip install "git+https://github.com/cognis-digital/payloadlab.git" # pip (works today) pipx install "git+https://github.com/cognis-digital/payloadlab.git" # isolated CLI uv tool install "git+https://github.com/cognis-digital/payloadlab.git" # uv pip install cognis-payloadlab # PyPI (when published) docker run --rm ghcr.io/cognis-digital/payloadlab:latest --help # Docker brew install cognis-digital/tap/payloadlab # Homebrew tap curl -fsSL https://raw.githubusercontent.com/cognis-digital/payloadlab/main/install.sh | sh ``` | Linux | macOS | Windows | Docker | 云平台 | |---|---|---|---|---| | `scripts/setup-linux.sh` | `scripts/setup-macos.sh` | `scripts/setup-windows.ps1` | `docker run ghcr.io/cognis-digital/payloadlab` | [DEPLOY.md](docs/DEPLOY.md) (AWS/Azure/GCP/k8s) | ## 相关 Cognis 工具 - [`c2detect`](https://github.com/cognis-digital/c2detect) — C2 服务器指纹识别器 — Cobalt Strike, Sliver, Mythic, Havoc, Brute Ratel - [`redpath`](https://github.com/cognis-digital/redpath) — Active Directory 攻击路径映射器 — 最小成本路径 + 修复优先级 - [`pwnreview`](https://github.com/cognis-digital/pwnreview) — 渗透测试报告生成器 — YAML 发现结果转化为 CREST 级别的 PDF - [`crackq`](https://github.com/cognis-digital/crackq) — 自托管密码破解队列 — 带审计日志的多用户 hashcat **探索工具套件 →** [🗂️ 全部 170+ 工具](https://github.com/cognis-digital/cognis-neural-suite) · [⭐ awesome-cognis](https://github.com/cognis-digital/awesome-cognis) · [🔗 cognis-sources](https://github.com/cognis-digital/cognis-sources) · [🤖 uncensored-fleet](https://github.com/cognis-digital/uncensored-fleet) · [🧠 engram](https://github.com/cognis-digital/engram) ## 互操作性 `{}` 与包含 300+ 工具的 Cognis 套件组合使用 — JSON 输入/输出和共享的兼容 OpenAI 的 `/v1` 骨干网。有关套件映射、组合模式和参考技术栈，请参见 **[INTEROP.md](INTEROP.md)**。 ## 许可证 在 **Cognis Open Collaboration License (COCL) v1.0** 下提供源代码 — 个人、内部评估、研究和教育用途免费；**商业 / 生产用途需要许可证** (licensing@cognis.digital)。参见 [LICENSE](LICENSE)。

标签：云安全监控, 可视化界面, 恶意载荷分析, 搜索语句（dork）, 数据可视化, 日志审计, 请求拦截, 逆向工具, 静态分析